Analisis Regresi Probit Ordinal pada Indeks Pembangunan Manusia di Pulau Kalimantan
Regresi probit ordinal merupakan model regresi yang dapat digunakan untuk menjelaskan hubungan variabel terikat dan variabel bebas dimana variabel terikatnya merupakan variabel kontinu yang dikategorikan secara ordinal dan variabel bebasnya bisa merupakan variabel kontinu atau variabel diskrit berskala nominal atau ordinal. Estimasi parameter pada model regresi probit ordinal dapat menggunakan metode Maximum Likelihood Estimation (MLE). Pengujian signifikansi parameter regresi probit ordinal menggunakan Likelihood Ratio Test dan uji Wald. Penelitian ini bertujuan mengetahui faktor-faktor yang berpengaruh terhadap Indeks Pembangunan Manusia (IPM) di Pulau Kalimantan Tahun 2021 serta mengetahui persentase ketepatan klasifikasi model regresi probit ordinal. Penentuan model terbaik regresi probit ordinal dilakukan berdasarkan nilai Akaike Information Criterion (AIC) terkecil. Terdapat lima variabel terikat yang diduga memengaruhi IPM sehingga digunakan dalam penelitian ini yaitu persentase penduduk miskin, tingkat pengangguran terbuka, kepadatan penduduk, persentase rumah tangga dengan akses sanitasi layak, dan jumlah tenaga kesehatan. Berikut hasil penelitian, diperoleh tiga faktor yang berpengaruh terhadap IPM, yaitu kepadatan penduduk, persentase rumah tangga dengan akses sanitasi layak, dan jumlah tenaga kesehatan dengan nilai Akaike Information Criterion (AIC) sebesar 80,50 berdasarkan model terbaik regresi probit ordinal diperoleh nilai ketepatan klasifikasi sebesar 66,07%.
Ketersediaan
Detail Information
Judul | Analisis Regresi Probit Ordinal pada Indeks Pembangunan Manusia di Pulau Kalimantan |
---|---|
Pengarang | Aji Muhammad Leonardo - Personal Name |
No. Panggil | SKRIPSI AJI a 2024 |
Subyek | MLE Regresi probit ordinal IPM AIC Ketepatan Klasifikasi |
Bahasa | Indonesia |
Tempat Terbit | Universitas Mulawarman |
Tahun Terbit | 2024 |
Penerbit | Fakultas Matematika Dan Ilmu Pengetahuan Alam |
Jurusan | Matematika |
Lampiran Berkas | LOADING LIST... |
DIGITAL LIBRARY